基于模块度和标签传递的推荐算法

• 作者: 李斌 盛俊 陈崚
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 社交网络 推荐 二部图 社区挖掘 模块度标签传递
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 2606-2612
• 页数: 7页
• 分类号: TP393.02
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020010095

摘要

针对基于网络信息的商品推荐的问题,提出了在二部网络上基于社区挖掘和标签传递的推荐算法.首先,用带权的二部图来表达用户-项目的 评分矩阵,利用标签传递技术对二部网络进行社区挖掘;然后,基于二部网络中的社区结构信息,充分利用用户所在的社区之间的相似性以及项目之间、用户之间的相似性来挖掘用户可能感兴趣的项目;最后,向用户进行项目的 推荐.在实际网络上的实验结果表明,与基于双向关联规则项目评分预测的推荐算法(BAR-CF)、基于项目评分预测的推荐算法(IR-CF)、基于网络链接预测的用户偏好预测方法(PLP)和改进的基于用户的协同过滤的方法(MU-CF)相比,该算法的平均绝对差(MAE)低0.1～0.3,准确率高0.2.因此,所提算法可以取得比其他类似方法更高质量的推荐结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈崚		150	1914	19.0	39.0
2	李斌		83	372	10.0	16.0
3	盛俊		3	0	0.0	0.0